[发明专利]图像处理方法、模型训练方法、装置及设备

说明书

本发明实施例提供了一种图像处理方法、模型训练方法、装置及设备，方法包括：获取待处理的人脸图像；确定与人脸图像相对应的多维度特征，多维度特征包括至少两个不同的、与人脸图像相对应的图像特征；将多维度特征和人脸图像输入至第一机器学习模型，以使第一机器学习模型基于多维度特征对人脸图像进行处理，获得与人脸图像相对应的目标图像；第一机器学习模型被训练为用于基于多维度特征确定与人脸图像相对应的目标图像，目标图像的清晰度与人脸图像的清晰度不同。本实施例提供的技术方案，能够实现通过多维度特征对任何应用场景中的人脸图像进行处理操作，并且还保证了图像处理的质量和效果，使得该方法能够广阔的适用到各个应用场景中。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理方法、模型训练方法、装置及设备。

背景技术

在图像处理技术领域，对图像或视频中模糊人脸图像的增强清晰化处理有着广泛的应用场景；例如：在监控安防中，对低清人脸图像的增强可以协助判定监控中人物的身份，或者，对老照片、老影视剧中人脸图像的修复处理不仅可以提升图像的质量，并且还可以提升观众的观看感受。

目前，在进行图像增强处理时，可以利用通过人工合成的数据集学习训练生成机器学习模型，而后基于上述的机器学习模型可以对模糊人脸图像进行图像增强处理。

然而，虽然利用人工合成的数据集来学习训练生成机器学习模型具有不错的性能，但是人工合成的数据集不能覆盖实际场景中包括的所有应用场景，因此，在利用机器学习模型进行图像处理时，不具有泛化能力，无法保证对各个应用场景中的图像进行处理的质量和效率。

发明内容

本发明实施例提供了一种图像处理方法、模型训练方法、装置及设备，能够实现通过多维度特征对任何应用场景中的人脸图像进行处理操作，并且还保证了图像处理的质量和效果，使得该方法能够广阔的适用到各个应用场景中。

第一方面，本发明实施例提供了一种图像处理方法，包括：

获取待处理的人脸图像；

确定与所述人脸图像相对应的多维度特征，所述多维度特征包括至少两个不同的、与所述人脸图像相对应的图像特征；

将所述多维度特征和所述人脸图像输入至第一机器学习模型，以使第一机器学习模型基于所述多维度特征对所述人脸图像进行处理，获得与所述人脸图像相对应的目标图像；

其中，所述第一机器学习模型被训练为用于基于所述多维度特征确定与所述人脸图像相对应的目标图像，所述目标图像的清晰度与所述人脸图像的清晰度不同。

第二方面，本发明实施例提供了一种图像处理装置，包括：

第一获取模块，用于获取待处理的人脸图像；

第一确定模块，用于确定与所述人脸图像相对应的多维度特征，所述多维度特征包括至少两个不同的、与所述人脸图像相对应的图像特征；

第一处理模块，用于将所述多维度特征和所述人脸图像输入至第一机器学习模型，以使第一机器学习模型基于所述多维度特征对所述人脸图像进行处理，获得与所述人脸图像相对应的目标图像；

其中，所述第一机器学习模型被训练为用于基于所述多维度特征确定与所述人脸图像相对应的目标图像，所述目标图像的清晰度与所述人脸图像的清晰度不同。

第三方面，本发明实施例提供了一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的图像处理方法。

第四方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第一方面中的图像处理方法。

第五方面，本发明实施例提供了一种图像处理方法，包括：